OpenAIは9月23日、ChatGPT Voiceを大幅に刷新したと発表した。音声モデルをGPT-6 Astra・Sol・Lunaへ切り替え、話しかけながらメール・カレンダー・Slackなどのプラグインを操作できるようになった。モバイルアプリの「Workタブ」でも音声からタスクを起動できるようになり、映画「Her」のような会話型アシスタント像へまた一歩近づいた形だ。

音声のままアプリを横断操作

これまでChatGPT Voiceは会話や質問応答が中心だったが、今回のアップデートでは音声会話中に接続済みのアプリをそのまま呼び出せるようになった。ユーザーはカレンダーの予定を確認したり、メールを送信したり、金融アプリで重複請求を見つけて取り消したりといった作業を、話しかけるだけで完了できる。チェックアウト機能付きのウェブサイトを音声だけで構築する、といった使い方もデモで示されている。ウェブ・モバイルで操作する際は、実行前に画面上での確認が求められる仕組みも用意されており、既存のアプリ連携・権限設定がそのまま引き継がれる。

WorkタブとGPT-Liveの拡張が土台

音声はChatGPT Workとも統合され、web・モバイルの双方で音声からドキュメント・プレゼン資料・スプレッドシートの作成に着手できるようになった。TechCrunchによると、PlusおよびProユーザーはモバイルのWorkタブから音声でエージェント的なタスクを実行でき、モバイルで始めた作業をデスクトップで再開することも可能という。無料ユーザーも制限付きながらプラグインや連携アプリへのアクセスは可能だ。この基盤となっているのは7月に投入されたリアルタイム会話モデル「GPT-Live」で、今回はそこにGPT-6世代のモデルと外部サービス操作の機能を重ねた形になる。

利用時間はプランごとに細かく制限

Unite.AIの報道によれば、ライブボイスの利用時間は24時間のローリング期間で管理され、無料プランはGPT-Live-1 miniへの限定アクセス、Goプランは3時間（GPT-Live-1 mini）、Plusプランは3時間（GPT-Live-1フル版）に制限される。月額100ドルのProプランは15時間、月額200ドルのProプランは無制限となる。なお、現時点ではビデオ・画面共有への対応や、ChatGPT Libraryからのファイル自動読み込みには未対応だ。

音声操作が実用段階に入る意味

音声だけで複数のアプリをまたいだ複合タスクを完結できる点は、これまでの音声アシスタントが得意としてきた単発の質問応答とは一線を画す。一方で、メールの送信や金融アプリの操作など取り消しにくい操作を音声で扱う以上、誤操作や意図しない実行をどう防ぐかが実用面での課題になる。OpenAIが画面上での確認ステップを組み込んでいるのは、この種のリスクを意識した設計といえる。音声インターフェースがエージェント機能の入り口として定着するかどうかは、今後のユーザーの実際の使い方次第だろう。